合肥工程建设信息网站wordpress新建的页面
定义
Agent 节点是 Dify Chatflow/Workflow 中用于实现自主工具调用的组件。它通过集成不同的 Agent 推理策略，使大语言模型能够在运行时动态选择并执行工具，从而实现多步推理。
配置步骤
添加节点
在 Dify Chatflow/Workflow 编辑器中，从组件栏拖拽 Agent 节点至画布。
选择 Agent 策略
在节点配置面板中，点击 Agent 策略。
从下拉菜单选择所需的 Agent 推理策略。Dify 内置了 Function Calling 和 ReAct 两种策略，可在 Marketplace → Agent 策略分类中安装使用。
1. Function Calling
通过将用户指令映射到预定义函数或工具，LLM 先识别用户意图，再决定调用哪个函数并提取所需参数。它的核心是调用外部函数或工具，属于一种明确的工具调用机制。
优点:
- 精确: 对于明确的任务，可以直接调用相应的工具，无需复杂的推理过程。
- 易于集成外部功能: 可以将各种外部 API 或工具封装成函数供模型调用。
- 结构化输出: 模型输出的是结构化的函数调用信息，方便下游节点处理。
- ReAct (Reason + Act)
ReAct 策略使 Agent 交替进行思考和行动：LLM 首先思考当前状态和目标，然后选择并调用合适的工具，工具的输出结果又将引导 LLM 进行下一步的思考和行动，如此循环，直到问题解决。
优点:
- 有效利用外部信息: 能够有效地利用外部工具获取信息，解决仅靠模型自身无法完成的任务。
- 可解释性较好: 思考和行动的过程是交织的，可以一定程度上追踪 Agent 的推理路径。
- 适用范围广: 适用于需要外部知识或需要执行特定操作的场景，例如问答、信息检索、任务执行等。
开发者可以向公开仓库贡献 Agent 策略插件，经过审核后将在 Marketplace 上架，供其他用户安装使用。
配置节点参数
选择 Agent 策略后，配置面板会显示对应的配置项。Dify 官方内置的 Function Calling 和 ReAct 策略的配置项包括：
- 模型： 选择驱动 Agent 的大语言模型。
- 工具： 工具的使用方式由 Agent 策略定义，点击 ”+” 添加并配置 Agent 可调用的工具。
- 搜索： 在下拉框中选择已安装的工具插件。
- 授权： 填写 API 密钥等授权信息后启用工具。
- 工具描述和参数设置： 提供工具描述，帮助 LLM 理解工具用途并选择调用，同时设置工具的功能参数。
- 指令： 定义 Agent 的任务目标和上下文。支持使用 Jinja 语法引用上游节点变量。
- 查询： 接收用户输入。
- 最大迭代次数： 设定 Agent 的最大执行步数。
- 输出变量： 提示节点输出的数据结构。
查看日志
Agent 节点执行过程中将生成详细日志。显示节点执行的总体信息，包括输入和输出、token 开销、耗时和状态。点击 “详情” 查看 Agent 策略执行的每一轮输出信息。
记忆
启用记忆开关可以为 Agent 提供对话上下文记忆能力。通过调整记忆窗口滑块，你可以控制 Agent 能够“记住”的对话历史消息数量。这使 Agent 能够理解和引用先前的交流内容，从而提供连贯且上下文相关的回答，大幅提升多轮对话体验。
例如，当用户在后续消息中使用代词（如“它”、“这个”或“他们”）时，启用了记忆功能的 Agent 能够理解这些代词所指代的前文实体，无需用户重复提及完整信息。